Python 10亿次置换后的Itertools饱和度

我编写了以下代码来计算列表的所有排列之间获得的和的平均值：

import numpy as np
import itertools

r = 13
c = 5
a = np.arange(r*c).reshape(r, c)
a = list(itertools.product(*a))

res = sum([sum(e) for e in a])/len(a)

---

代码崩溃，因为r看起来有点太大，并且itertools/python无法处理它。有没有其他方法可以计算res而不让代码崩溃？

您不必要地首先收集

产品

，然后在

列表

中单独的

求和

，这时您可以迭代迭代器。您也不需要列表的

len

，因为您可以直接计算产品的数量

res = sum(sum(e) for e in itertools.product(*a))/c**r

这将消耗更少的内存，这可能使您的计算机不会冻结或崩溃。然而，对于

r=13

和

c=5

，这仍然意味着测试

c**r=1220703125

组合，这对于Python来说可能太多了

但是，由于您获得的是所有产品，因此每个元素在所有产品中出现的次数相同，因此您根本不必实际计算和迭代产品。相反，您可以直接这样计算乘积的平均和：

res = sum(sum(a)) // c   # here, a is the numpy array, not the product iterator

---

（这适用于具有相同元素数量的所有列表；如果列表具有不同的大小，则公式会稍微复杂一些，但仍然可以不使用任何循环直接计算。）

您不需要首先收集

产品，然后，
中的单个
求和
列出
，此时您也可以迭代迭代器。您也不需要列表的
len
，因为您可以直接计算产品的数量

res = sum(sum(e) for e in itertools.product(*a))/c**r

这将消耗更少的内存，这可能使您的计算机不会冻结或崩溃。然而，对于
r=13
和
c=5
，这仍然意味着测试
c**r=1220703125
组合，这对于Python来说可能太多了

但是，由于您获得的是所有产品，因此每个元素在所有产品中出现的次数相同，因此您根本不必实际计算和迭代产品。相反，您可以直接这样计算乘积的平均和：

res = sum(sum(a)) // c   # here, a is the numpy array, not the product iterator

（这适用于具有相同元素数的所有列表；如果列表具有不同的大小，则公式会稍微复杂一些，但仍然可以直接计算而不使用任何循环。）
报告“代码崩溃”时，请提供确切的堆栈跟踪和异常消息。无论如何，这看起来像是一个编码挑战，这最终不需要任何迭代。应该可以直接从
r
和
c
计算结果。报告“代码崩溃”时，请提供准确的堆栈跟踪和异常消息。无论如何，这看起来像是一个编码挑战，最终不需要任何迭代。应该可以直接从
r
和
c
计算结果。